Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

Anzeichen-Argument (Argument from Sign)

Auch bekannt als: Abduktives Schließen aus Anzeichen Indizienargument Abductive Reasoning from Signs Argument from Indication
Discourse Mechanics ID: argument_from_sign

Definition

Ein Argumentationsschema, das von einem beobachtbaren Anzeichen auf die Existenz eines nicht beobachtbaren Zustands schließt, der typischerweise damit korreliert. Die Stärke des Arguments hängt von der Zuverlässigkeit der Korrelation zwischen Anzeichen und Zustand sowie vom Fehlen alternativer Erklärungen für das Anzeichen ab.

Beispiele

Der Boden ist nass (Anzeichen), also muss es geregnet haben (Zustand). Rauch ist sichtbar (Anzeichen), also muss es brennen (Zustand).

Ein Personalchef bemerkt, dass ein Bewerber während des Vorstellungsgesprächs häufig den Blickkontakt vermeidet. Er schließt daraus, dass der Kandidat unehrlich oder wenig selbstbewusst ist – obwohl Blickvermeidung auch kulturell bedingt oder schlicht Nervosität sein kann.

Auf dem Social-Media-Profil eines Politikers häufen sich plötzlich neue Follower und positive Kommentare kurz vor der Wahl. Journalisten schließen daraus, dass ein koordinierter Botnet-Einsatz stattfindet – das schnelle Follower-Wachstum gilt als Anzeichen für eine Astroturfing-Kampagne.

Formales Logikmuster
FOL-Muster
Die prädikatenlogische Formel, die die logische Struktur dieses Argumentationsmusters darstellt.
FOL (First-Order Logic, Prädikatenlogik) verwendet Quantoren (∀ = für alle, ∃ = es existiert), Verknüpfungen (∧ = und, ∨ = oder, ⇒ = impliziert, ¬ = nicht) und Prädikate, um die Form eines Argumentationsmusters zu erfassen.

Sign(S) ∧ Generally(S → C) ⇒ C
Formale Verifizierung:
Formale Verifizierung
Prüft mithilfe eines automatischen Theorembeweisers, ob ein Argumentationsmuster logisch gültig oder ungültig ist.
Die formale Verifizierung nutzt einen SMT-Solver (Z3), um die logische Struktur eines Arguments mathematisch zu prüfen. Jedes Muster wird in Prädikatenlogik übersetzt und getestet: Können die Prämissen wahr sein, während die Schlussfolgerung falsch ist? Wenn ja: formal ungültig. Wenn nein: formal gültig. Viele reale Muster sind als nicht formal entscheidbar markiert — das heißt nicht, dass sie falsch sind.
Nicht formal entscheidbar

Prüfschritte
Prüfschritte
Binäre Ja/Nein-Fragen, die eine KI beantworten muss, um ein Argumentationsmuster in einem Text zu erkennen.
Jeder der 452 Aspekte hat Prüfschritte — einfache Ja/Nein-Fragen, die systematisch erkennen sollen, ob ein Muster in einem Text vorkommt. Für Ad Hominem: "Greift das Argument eine Person statt ihre Behauptung an?" Für falsche Dichotomie: "Werden nur zwei Optionen präsentiert, obwohl mehr existieren?"

Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:

  1. 1

    Wird ein beobachtbarer Indikator oder ein Anzeichen zitiert?

    Typ: binary
  2. 2

    Wird daraus eine Schlussfolgerung über einen nicht beobachteten Zustand oder eine Bedingung gezogen?

    Typ: binary
  3. 3

    Basiert die Verbindung zwischen Anzeichen und Schlussfolgerung auf einer allgemein zuverlässigen Korrelation?

    Typ: binary
  4. 4

    Werden alternative Erklärungen für das Anzeichen angemessen berücksichtigt?

    Typ: binary
Vertiefung
Der aufklappbare Detailbereich auf jeder Aspekt-Seite mit Beispielen, Psychologie und Gegenstrategien.
Der Vertiefungsbereich bietet ausführliche Informationen zu jedem Aspekt: ein Praxisbeispiel, eine Erklärung warum es funktioniert, Tipps wie man entgegnet, alternative Bezeichnungen und Links zu verwandten Aspekten.

Hierarchischer Kontext